特開 2023-116300 微気象要素推定装置及び微気象要素推定プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023116300

(43)【公開日】2023-08-22

(54)【発明の名称】微気象要素推定装置及び微気象要素推定プログラム

(51)【国際特許分類】

   G01W 1/10 20060101AFI20230815BHJP

   G06T 7/00 20170101ALI20230815BHJP

   G01W 1/02 20060101ALI20230815BHJP

【ＦＩ】

G01W1/10 D

G06T7/00 350B

G01W1/02 A

【審査請求】未請求

【請求項の数】9

【出願形態】ＯＬ

(21)【出願番号】P 2022019032

(22)【出願日】2022-02-09

(71)【出願人】

【識別番号】000003621

【氏名又は名称】株式会社竹中工務店

(74)【代理人】

【識別番号】110001519

【氏名又は名称】弁理士法人太陽国際特許事務所

(72)【発明者】

【氏名】佐野 祐士

(72)【発明者】

【氏名】藤原 邦彦

【テーマコード（参考）】

5L096

【Ｆターム（参考）】

5L096CA04

5L096DA02

5L096HA09

5L096JA03

5L096JA11

5L096KA04

(57)【要約】      （修正有）

【課題】気象シミュレーションを行う場合に比較して、より容易に微気象要素を推定することができる微気象要素推定装置及び微気象要素推定プログラムを得る。
【解決手段】微気象要素推定装置１０は、予め定められた種類の微気象要素に相関を有する画像要素が含まれる動画像が入力情報とされ、当該微気象要素を示す微気象要素情報が出力情報とされた微気象要素推定モデル１３Ｄに対し、推定対象領域の動画像を入力することで微気象要素情報を推定する推定部１１Ｅと、推定部１１Ｅによって推定された微気象要素情報に関する微気象要素関連情報を提示する提示部１１Ｇと、を備える。
【選択図】図６

【特許請求の範囲】

【請求項1】

予め定められた種類の微気象要素に相関を有する画像要素が含まれる動画像が入力情報とされ、前記微気象要素を示す微気象要素情報が出力情報とされた微気象要素推定モデルに対し、推定対象領域の動画像を入力することで前記微気象要素情報を推定する推定部と、
前記推定部によって推定された前記微気象要素情報に関する微気象要素関連情報を提示する提示部と、
を備えた微気象要素推定装置。

【請求項2】

前記予め定められた種類の微気象要素は、風速、日射量、グローブ温度、気温、湿度、降水量、降雪量、雷、竜巻、黄砂、花粉、霜、虹、霧、靄、及び地震の震度の少なくとも１つである、
請求項１に記載の微気象要素推定装置。

【請求項3】

前記画像要素は、各々、推定対象とする微気象要素が雷又は竜巻である場合は上空の様子を示す画像であり、推定対象とする微気象要素が降水量又は黄砂である場合は背景のかすみを示す画像であり、推定対象とする微気象要素が風速である場合は木のそよぎを示す画像であり、推定対象とする微気象要素が日射量又はグローブ温度である場合は地表面の明るさを示す画像である、
請求項２に記載の微気象要素推定装置。

【請求項4】

前記微気象要素関連情報は、前記推定部によって推定された微気象要素情報そのもの、及び当該微気象要素情報によって間接的に示される間接情報の少なくとも一方である、
請求項１～請求項３の何れか１項に記載の微気象要素推定装置。

【請求項5】

前記微気象要素推定モデルは、人工知能によるモデルである、
請求項１～請求項４の何れか１項に記載の微気象要素推定装置。

【請求項6】

学習用動画像及び学習用微気象要素情報を取得する学習用情報取得部と、
前記学習用情報取得部によって取得された学習用動画像を入力情報とし、学習用微気象要素情報を出力情報として前記微気象要素推定モデルの機械学習を行う学習部と、を更に備えた
請求項１～請求項５の何れか１項に記載の微気象要素推定装置。

【請求項7】

再学習用動画像及び再学習用微気象要素情報を取得する再学習用情報取得部と、
前記再学習用情報取得部によって取得された再学習用動画像を入力情報とし、再学習用微気象要素情報を出力情報として前記微気象要素推定モデルの機械学習を再度行う再学習部と、を更に備えた
請求項６に記載の微気象要素推定装置。

【請求項8】

予め定められた基準情報を用いて、前記推定部によって推定された微気象要素情報を調整する調整部、を更に備えた
請求項１～請求項７の何れか１項に記載の微気象要素推定装置。

【請求項9】

予め定められた種類の微気象要素に相関を有する画像要素が含まれる動画像が入力情報とされ、前記微気象要素を示す微気象要素情報が出力情報とされた微気象要素推定モデルに対し、推定対象領域の動画像を入力することで前記微気象要素情報を推定し、
推定した前記微気象要素情報に関する微気象要素関連情報を提示する、
処理をコンピュータに実行させるための微気象要素推定プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、微気象要素推定装置及び微気象要素推定プログラムに関する。

【背景技術】

【0002】

従来、微気象要素を計測する場合、専用の複合センサが必要とされていた。しかしながら、この技術では、複合センサを設置するのに専門の知識が必要なうえ、複合センサの輸送や設置に費用がかかる、高精度なものであるが故に高コストとなってしまう、という問題点があった。

【0003】

この問題点を解決するために、複合センサを用いることなく、微気象要素を推定するために適用することのできる技術として特許文献１に開示されている気象予測システムがあった。

【0004】

この気象予測システムでは、所定地域の気象推定値を、所定地域の狭域の気象観測データでデータ同化して、所定地域の気象解析値を算出し、所定の気象モデルに基づいて、所定地域の気象解析値により、所定地域の気象予測データを算出する。また、この気象予測システムでは、所定地域の広域の気象観測データを取得し、複数の所定地域毎の気象予測データを取得し、複数の広域の気象観測データを取得し、広域の気象観測データと、所定地域を含む領域の気象予測データとに基づいて、領域の気象予測データの信頼度を算出する。そして、この気象予測システムでは、信頼度を用いて、所定地域毎の気象予測データで、領域の気象推定値をデータ同化して、領域の気象解析値を算出し、気象モデルに基づいて、領域の気象解析値により、領域の気象予測データを算出する。

【先行技術文献】

【特許文献】

【0005】

【特許文献1】特開２０１８－１９４４９７号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

しかしながら、上記特許文献１に開示されている技術では、多くの計算量を要する気象シミュレーションを行う必要があり、必ずしも容易に気象予測データが得られるとは限らない、という問題点があった。

【0007】

なお、この問題点は、気象予測データのみならず、微気象要素に属する情報についても生じ得る問題点である。また、ここでいう「微気象要素」には、風速、日射量、グローブ温度等の一般的な要素に加えて、地震の震度といった要素も広義として含むものとする。

【0008】

本開示は、以上の事情を鑑みて成されたものであり、気象シミュレーションを行う場合に比較して、より容易に微気象要素を推定することができる微気象要素推定装置及び微気象要素推定プログラムを提供することを目的とする。

【課題を解決するための手段】

【0009】

請求項１に記載の本発明に係る微気象要素推定装置は、予め定められた種類の微気象要素に相関を有する画像要素が含まれる動画像が入力情報とされ、前記微気象要素を示す微気象要素情報が出力情報とされた微気象要素推定モデルに対し、推定対象領域の動画像を入力することで前記微気象要素情報を推定する推定部と、前記推定部によって推定された前記微気象要素情報に関する微気象要素関連情報を提示する提示部と、を備える。

【0010】

請求項１に記載の本発明に係る微気象要素推定装置によれば、予め定められた種類の微気象要素に相関を有する画像要素が含まれる動画像が入力情報とされ、当該微気象要素を示す微気象要素情報が出力情報とされた微気象要素推定モデルに対し、推定対象領域の動画像を入力することで微気象要素情報を推定し、推定した微気象要素情報に関する微気象要素関連情報を提示することで、気象シミュレーションを行う場合に比較して、より容易に微気象要素を推定することができる。

【0011】

請求項２に記載の本発明に係る微気象要素推定装置は、請求項１に記載の微気象要素推定装置であって、前記予め定められた種類の微気象要素が、風速、日射量、グローブ温度、気温、湿度、降水量、降雪量、雷、竜巻、黄砂、花粉、霜、虹、霧、靄、及び地震の震度の少なくとも１つであるものである。

【0012】

請求項２に記載の本発明に係る微気象要素推定装置によれば、予め定められた種類の微気象要素を、風速、日射量、グローブ温度、気温、湿度、降水量、降雪量、雷、竜巻、黄砂、花粉、霜、虹、霧、靄、及び地震の震度の少なくとも１つとすることで、適用した微気象要素を推定することができる。

【0013】

請求項３に記載の本発明に係る微気象要素推定装置は、請求項２に記載の微気象要素推定装置であって、前記画像要素が、各々、推定対象とする微気象要素が雷又は竜巻である場合は上空の様子を示す画像であり、推定対象とする微気象要素が降水量又は黄砂である場合は背景のかすみを示す画像であり、推定対象とする微気象要素が風速である場合は木のそよぎを示す画像であり、推定対象とする微気象要素が日射量又はグローブ温度である場合は地表面の明るさを示す画像であるものである。

【0014】

請求項３に記載の本発明に係る微気象要素推定装置によれば、上記画像要素を、各々、推定対象とする微気象要素が雷又は竜巻である場合は上空の様子を示す画像とし、推定対象とする微気象要素が降水量又は黄砂である場合は背景のかすみを示す画像とし、推定対象とする微気象要素が風速である場合は木のそよぎを示す画像とし、推定対象とする微気象要素が日射量又はグローブ温度である場合は地表面の明るさを示す画像とすることで、何れの微気象要素についても、画像要素として容易に動画像に含めることができる結果、より容易に微気象要素を推定することができる。

【0015】

請求項４に記載の本発明に係る微気象要素推定装置は、請求項１～請求項３の何れか１項に記載の微気象要素推定装置であって、前記微気象要素関連情報が、前記推定部によって推定された微気象要素情報そのもの、及び当該微気象要素情報によって間接的に示される間接情報の少なくとも一方であるものである。

【0016】

請求項４に記載の本発明に係る微気象要素推定装置によれば、微気象要素関連情報を、推定した微気象要素情報そのもの、及び当該微気象要素情報によって間接的に示される間接情報の少なくとも一方とすることで、微気象要素情報そのものを適用する場合は、間接情報を適用する場合に比較して、推定された微気象要素情報を、より把握しやすくすることができ、間接情報を適用する場合は、微気象要素情報そのものを適用する場合に比較して、ユーザにとっての利便性を、より向上させることができる。

【0017】

請求項５に記載の本発明に係る微気象要素推定装置は、請求項１～請求項４の何れか１項に記載の微気象要素推定装置であって、前記微気象要素推定モデルが、人工知能によるモデルであるものである。

【0018】

請求項５に記載の本発明に係る微気象要素推定装置によれば、微気象要素推定モデルを人工知能によるモデルとすることで、微気象要素推定モデルを、統計的手法を用いたモデルとする場合に比較して、より簡易かつ高精度に微気象要素を推定することができる。

【0019】

請求項６に記載の本発明に係る微気象要素推定装置は、請求項１～請求項５の何れか１項に記載の微気象要素推定装置であって、学習用動画像及び学習用微気象要素情報を取得する学習用情報取得部と、前記学習用情報取得部によって取得された学習用動画像を入力情報とし、学習用微気象要素情報を出力情報として前記微気象要素推定モデルの機械学習を行う学習部と、を更に備えたものである。

【0020】

請求項６に記載の本発明に係る微気象要素推定装置によれば、学習用動画像及び学習用微気象要素情報を取得し、取得した学習用動画像を入力情報とし、学習用微気象要素情報を出力情報として微気象要素推定モデルの機械学習を行うことで、より簡易に、微気象要素推定モデルを構築することができる。

【0021】

請求項７に記載の本発明に係る微気象要素推定装置は、請求項６に記載の微気象要素推定装置であって、再学習用動画像及び再学習用微気象要素情報を取得する再学習用情報取得部と、前記再学習用情報取得部によって取得された再学習用動画像を入力情報とし、再学習用微気象要素情報を出力情報として前記微気象要素推定モデルの機械学習を再度行う再学習部と、を更に備えたものである。

【0022】

請求項７に記載の本発明に係る微気象要素推定装置によれば、再学習用動画像及び再学習用微気象要素情報を取得し、取得した再学習用動画像を入力情報とし、再学習用微気象要素情報を出力情報として微気象要素推定モデルの機械学習を再度行うことで、より高精度に、微気象要素を推定することができる。

【0023】

請求項８に記載の本発明に係る微気象要素推定装置は、請求項１～請求項７の何れか１項に記載の微気象要素推定装置であって、予め定められた基準情報を用いて、前記推定部によって推定された微気象要素情報を調整する調整部、を更に備えたものである。

【0024】

請求項８に記載の本発明に係る微気象要素推定装置によれば、予め定められた基準情報を用いて、推定した微気象要素情報を調整することで、より高精度に、微気象要素を推定することができる。

【0025】

請求項９に記載の本発明に係る微気象要素推定プログラムは、予め定められた種類の微気象要素に相関を有する画像要素が含まれる動画像が入力情報とされ、前記微気象要素を示す微気象要素情報が出力情報とされた微気象要素推定モデルに対し、推定対象領域の動画像を入力することで前記微気象要素情報を推定し、推定した前記微気象要素情報に関する微気象要素関連情報を提示する、処理をコンピュータに実行させる。

【0026】

請求項９に記載の本発明に係る微気象要素推定プログラムによれば、予め定められた種類の微気象要素に相関を有する画像要素が含まれる動画像が入力情報とされ、当該微気象要素を示す微気象要素情報が出力情報とされた微気象要素推定モデルに対し、推定対象領域の動画像を入力することで微気象要素情報を推定し、推定した微気象要素情報に関する微気象要素関連情報を提示することで、気象シミュレーションを行う場合に比較して、より容易に微気象要素を推定することができる。

【発明の効果】

【0027】

以上説明したように、本発明によれば、気象シミュレーションを行う場合に比較して、より容易に微気象要素を推定することができる。

【図面の簡単な説明】

【0028】

【図1】実施形態に係る微気象要素推定システムの構成の一例を示すブロック図である。

【図2】実施形態に係る微気象要素推定装置のハードウェア構成の一例を示すブロック図である。

【図3】実施形態に係る微気象要素推定モデルによる微気象要素の推定法の説明に供する模式図である。

【図4】実施形態に係る微気象要素推定装置の、微気象要素推定モデルの学習時における機能的な構成の一例を示すブロック図である。

【図5】実施形態に係る微気象要素推定装置の、微気象要素推定モデルの再学習時における機能的な構成の一例を示すブロック図である。

【図6】実施形態に係る微気象要素推定装置の、微気象要素推定モデルの運用時における機能的な構成の一例を示すブロック図である。

【図7】実施形態に係る学習用情報データベースの構成の一例を示す模式図である。

【図8】実施形態に係る再学習用情報データベースの構成の一例を示す模式図である。

【図9】実施形態に係る学習処理の一例を示すフローチャートである。

【図10】実施形態に係る再学習処理の一例を示すフローチャートである。

【図11】実施形態に係る初期情報入力画面の構成の一例を示す正面図である。

【図12】実施形態に係る微気象要素推定処理の一例を示すフローチャートである。

【図13】実施形態に係る推定結果画面の構成の一例を示す正面図である。

【発明を実施するための形態】

【0029】

以下、図面を参照して、本発明を実施するための形態例を詳細に説明する。なお、本実施形態では、本発明の微気象要素として、風速、日射量、グローブ温度、降水量、黄砂、雷、及び竜巻を適用した場合について説明するが、これに限るものではない。例えば、これらの微気象要素に対して、気温、湿度、降雪量、花粉、霜、虹、霧、靄、及び地震の震度を含めて、これらの微気象要素の少なくとも１つの要素を、本発明の微気象要素として適用する形態としてもよい。

【0030】

まず、図１を参照して、本実施形態に係る微気象要素推定システム１の構成を説明する。図１は、本実施形態に係る微気象要素推定システム１の構成の一例を示すブロック図である。

【0031】

図１に示すように、本実施形態に係る微気象要素推定システム１は、本システムの中心的な役割を担う微気象要素推定装置１０を含む。また、本実施形態に係る微気象要素推定システム１は、後述する微気象要素推定モデルを学習させる際の学習用情報の収集に用いる撮影装置３０Ａ、３０Ｂ、・・・及び観測装置４０Ａ、４０Ｂ、・・・を含む。また、本実施形態に係る微気象要素推定システム１は、微気象要素推定モデルの再学習の際、及び微気象要素情報の推定を行う（運用する）際に用いる撮影装置５０を含む。また、本実施形態に係る微気象要素推定システム１は、微気象要素推定モデルを再学習させる際の学習用情報の収集に用いる観測装置７０を含む。更に、本実施形態に係る微気象要素推定システム１は、各種気象情報を蓄積する気象情報サーバ８０と、各種データベースを蓄積する情報蓄積装置９０と、を含む。以下では、微気象要素推定モデルの再学習用に撮影装置５０及び観測装置７０によって得られる情報を「再学習用情報」という。

【0032】

なお、以下では、撮影装置３０Ａ、３０Ｂ、・・・を区別することなく説明する場合は、単に「撮影装置３０」と総称する。また、以下では、観測装置４０Ａ、４０Ｂ、・・・を区別することなく説明する場合は、単に「観測装置４０」と総称する。また、図１では図示を省略するが、撮影装置５０及び観測装置７０は、微気象要素推定システム１が微気象要素の推定対象とする地域毎に設けられている。

【0033】

本実施形態に係る情報蓄積装置９０は不揮発性の記憶部９２を備えている。記憶部９２はＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリ等によって実現される。記憶媒体としての記憶部９２には、学習用情報データベース９２Ａ及び再学習用情報データベース９２Ｂが記憶されている。学習用情報データベース９２Ａ及び再学習用情報データベース９２Ｂについては、詳細を後述する。

【0034】

微気象要素推定装置１０と、撮影装置３０と、観測装置４０と、撮影装置５０と、観測装置７０と、気象情報サーバ８０と、情報蓄積装置９０とは、ネットワークＮを介して接続されている。微気象要素推定装置１０は、撮影装置３０、観測装置４０、撮影装置５０、観測装置７０、気象情報サーバ８０、及び情報蓄積装置９０とネットワークＮを介して相互に通信可能とされている。なお、本実施形態では、ネットワークＮとしてインターネット、電話回線等の公共の通信回線を適用しているが、この形態に限定されるものではない。ネットワークＮとして、例えば、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）等の企業内の通信回線を適用してもよく、これらの企業内の通信回線及び公共の通信回線を組み合わせて適用してもよい。また、本実施形態では、ネットワークＮとして有線の通信回線を適用しているが、この形態に限定されるものではなく、無線の通信回線を適用してもよく、有線及び無線の各通信回線を組み合わせて適用してもよい。

【0035】

本実施形態に係る撮影装置３０は、上述したように、学習用情報を収集するためのものである。そして、本実施形態に係る微気象要素推定システム１では、撮影装置３０として、日本の各地に設けられている監視カメラで、かつ、微気象要素推定システム１が推定対象としている微気象要素に相関を有する画像要素が画角内に含まれるカメラが用いられている。但し、この形態に限るものではなく、学習用情報の収集のための専用のカメラを撮影装置３０として適用する形態としてもよい。また、本実施形態に係る微気象要素推定システム１では、撮影装置３０として、カラーの動画像を撮影するカメラを適用しているが、これに限るものではない。例えば、モノクロの動画像を撮影するカメラを撮影装置３０として適用する形態としてもよい。

【0036】

また、本実施形態に係る観測装置４０は、微気象要素推定システム１が推定対象としている微気象要素の一部を計測することができるものとされており、上述した微気象要素のうち、風速、日射量、及びグローブ温度を計測することができるものである。

【0037】

一方、本実施形態に係る撮影装置５０は、上述したように、微気象要素推定モデルの再学習を行う際、及び微気象要素情報を推定する際に用いられるものである。そして、本実施形態に係る撮影装置５０は、微気象要素情報の推定対象とする地点において、推定対象とする微気象要素に相関を有する画像要素が画角内に含まれるように設置されている。本実施形態に係る微気象要素推定システム１では、撮影装置５０として、推定対象地点における、対象とする微気象要素に相関を有する画像要素が画角内に含まれるように設置された監視カメラが用いられている。但し、この形態に限るものではなく、微気象要素の推定に専用のカメラを撮影装置５０として適用する形態としてもよい。また、本実施形態に係る微気象要素推定システム１では、撮影装置５０としても、撮影装置３０と同様に、カラーの動画像を撮影するカメラを適用しているが、これに限るものではない。例えば、モノクロの動画像を撮影するカメラを撮影装置５０として適用する形態としてもよい。

【0038】

また、本実施形態に係る観測装置７０は、上述したように、再学習用情報の収集に用いるものであり、観測装置４０と同様の微気象要素が計測されるものとして構成されている。

【0039】

更に、本実施形態に係る気象情報サーバ８０は、微気象要素推定システム１が推定対象としている微気象要素のうち、観測装置４０及び観測装置７０では計測できない微気象要素（本実施形態では、降水量、黄砂、雷、及び竜巻）を示す情報（以下、「気象情報」という。）を逐次蓄積するサーバである。なお、気象情報サーバ８０によって記憶される気象情報は、気象庁、ウェザーニュース等によって公開されている情報から得ることができる。

【0040】

ここで、微気象要素推定装置１０、気象情報サーバ８０、及び情報蓄積装置９０の例としては、パーソナルコンピュータ及びサーバコンピュータ等の各種コンピュータが挙げられる。

【0041】

次に、図２を参照して、本実施形態に係る微気象要素推定装置１０のハードウェア構成を説明する。図２は、本実施形態に係る微気象要素推定装置１０のハードウェア構成の一例を示すブロック図である。

【0042】

本実施形態に係る微気象要素推定装置１０は、ＣＰＵ（Central Processing Unit）１１、一時記憶領域としてのメモリ１２、不揮発性の記憶部１３、キーボードとマウス等の入力部１４、液晶ディスプレイ等の表示部１５、媒体読み書き装置（Ｒ／Ｗ）１６及び通信インタフェース（Ｉ／Ｆ）部１８を備えている。ＣＰＵ１１、メモリ１２、記憶部１３、入力部１４、表示部１５、媒体読み書き装置１６及び通信Ｉ／Ｆ部１８はバスＢを介して互いに接続されている。媒体読み書き装置１６は、記録媒体１７に書き込まれている情報の読み出し及び記録媒体１７への情報の書き込みを行う。

【0043】

記憶部１３はＨＤＤ、ＳＳＤ、フラッシュメモリ等によって実現される。記憶媒体としての記憶部１３には、学習プログラム１３Ａ、再学習プログラム１３Ｂ、及び微気象要素推定プログラム１３Ｃが記憶されている。これらの各プログラムは、当該各プログラムが書き込まれた記録媒体１７が媒体読み書き装置１６にセットされ、媒体読み書き装置１６が記録媒体１７からの上記各プログラムの読み出しを行うことで、記憶部１３へ記憶（インストール）される。ＣＰＵ１１は、学習プログラム１３Ａ、再学習プログラム１３Ｂ、及び微気象要素推定プログラム１３Ｃの各プログラムを記憶部１３から順次読み出してメモリ１２に展開し、当該各プログラムが有するプロセスを順次実行する。

【0044】

また、記憶部１３には、微気象要素推定モデル１３Ｄが記憶される。本実施形態に係る微気象要素推定モデル１３Ｄは、微気象要素推定システム１が推定対象としている微気象要素（以下、単に「微気象要素」という。）に相関を有する画像要素が含まれる動画像（以下、単に「動画像」という。）が入力情報とされている。また、本実施形態に係る微気象要素推定モデル１３Ｄは、上記微気象要素を示す微気象要素情報が出力情報とされている。

【0045】

なお、本実施形態に係る微気象要素推定システム１では、上述したように、微気象要素の種類として、風速、日射量、グローブ温度、降水量、黄砂、雷、及び竜巻を適用している。また、本実施形態では、上述したように、微気象要素推定モデル１３Ｄの学習時において用いられる動画像が、撮影装置３０による撮影によって得られたものとされ、再学習時及び運用時において用いられる動画像が、撮影装置５０による撮影によって得られたものとされている。

【0046】

本実施形態に係る微気象要素推定モデル１３Ｄは、ＣＮＮ（Convolutional Neural Network、畳み込みニューラルネットワーク）を用いたＡＩ（Artificial Intelligence、人工知能）によるモデルとされているが、これに限るものではない。ＲＮＮ（Recurrent Neural Network、回帰型ニューラルネットワーク）の一種であるＬＳＴＭ（Long Short Term Memory）ネットワーク等といったＣＮＮ以外のＡＩ等の他の機械学習モデルを微気象要素推定モデル１３Ｄとして適用する形態としてもよい。

【0047】

次に、図３を参照して、本実施形態に係る微気象要素推定モデル１３Ｄによる微気象要素の推定法について説明する。図３は、本実施形態に係る微気象要素推定モデル１３Ｄによる微気象要素の推定法の説明に供する模式図である。

【0048】

図３に示すように、本実施形態に係る微気象要素推定モデル１３Ｄでは、撮影装置５０によって得られた動画像６０の画角内に含まれる、推定対象とする微気象要素に相関を有する画像要素（以下、単に「画像要素」という。）を用いて、対応する微気象要素を推定する。例えば、推定対象とする微気象要素が風速である場合は、画像要素として木のそよぎを示す画像が用いられ、推定対象とする微気象要素が日射量又はグローブ温度である場合は、画像要素として地表面の明るさを示す画像が用いられる。また、例えば、推定対象とする微気象要素が降水量又は黄砂である場合は、画像要素として背景の霞みを示す画像が用いられ、推定対象とする微気象要素が雷又は竜巻である場合は、画像要素として上空の様子を示す画像が用いられる。

【0049】

本実施形態に係る微気象要素推定システム１では、微気象要素推定モデル１３Ｄの学習を、撮影装置３０による撮影によって得られた動画像を入力情報とし、当該動画像の撮影時における微気象要素情報を出力情報として行う。また、本実施形態に係る微気象要素推定システム１では、微気象要素推定モデル１３Ｄの再学習を、撮影装置５０による撮影によって得られた動画像を入力情報とし、当該動画像の撮影時における微気象要素情報を出力情報として行う。

【0050】

この学習及び再学習を行う際に適用する微気象要素のうち、降水量、黄砂、雷、及び竜巻については観測装置４０及び観測装置７０では得ることができないため、これらの微気象要素については、気象情報サーバ８０から取得するものとしている。

【0051】

但し、降水量、黄砂、雷、及び竜巻の各情報の取得方法は、気象情報から取得する方法に限るものではない。例えば、雷については、インターネット＜ＵＲＬ：https://akizukidenshi.com/catalog/g/gK-08685/＞等に掲載されている雷センサを用いて検出する形態としてもよい。また、例えば、竜巻については、インターネット＜ＵＲＬ：https://www.jma.go.jp/jma/kishou/know/toppuu/tornado3-1.html＞等に掲載されている気象ドップラーレーダを用いて検出する形態としてもよい。更に、例えば、黄砂については、インターネット＜ＵＲＬ：https://www.mitsubishielectric.co.jp/corporate/randd/list/appliance/b205/index.html＞等に掲載されている空気質センサを用いて検出する形態としてもよい。

【0052】

次に、図４を参照して、本実施形態に係る微気象要素推定装置１０の、微気象要素推定モデル１３Ｄの学習時における機能的な構成について説明する。図４は、本実施形態に係る微気象要素推定装置１０の、微気象要素推定モデル１３Ｄの学習時における機能的な構成の一例を示すブロック図である。

【0053】

図４に示すように、微気象要素推定モデル１３Ｄの学習時における微気象要素推定装置１０は、学習用情報取得部１１Ａ及び学習部１１Ｂを含む。微気象要素推定装置１０のＣＰＵ１１が学習プログラム１３Ａを実行することで、学習用情報取得部１１Ａ及び学習部１１Ｂとして機能する。

【0054】

本実施形態に係る学習用情報取得部１１Ａは、学習用動画像及び学習用微気象要素情報（上述した学習用情報に相当。）を取得する。なお、本実施形態では、上記学習用動画像を、撮影装置３０による撮影によって得られて登録された動画像を、後述する学習用情報データベース９２Ａ（図７も参照。）から読み出すことにより取得する。また、本実施形態では、上記学習用微気象要素情報を、観測装置４０及び気象情報サーバ８０から得られて登録された微気象要素情報を、学習用情報データベース９２Ａから読み出すことにより取得する。但し、この形態に限るものではなく、撮影装置３０、観測装置４０、及び気象情報サーバ８０から学習用動画像及び学習用微気象要素情報を直接取得する形態としてもよい。

【0055】

そして、本実施形態に係る学習部１１Ｂは、学習用情報取得部１１Ａによって取得された学習用動画像を入力情報とし、学習用微気象要素情報を出力情報として微気象要素推定モデル１３Ｄの機械学習を行う。

【0056】

次に、図５を参照して、本実施形態に係る微気象要素推定装置１０の、微気象要素推定モデル１３Ｄの再学習時における機能的な構成について説明する。図５は、本実施形態に係る微気象要素推定装置１０の、微気象要素推定モデル１３Ｄの再学習時における機能的な構成の一例を示すブロック図である。

【0057】

図５に示すように、微気象要素推定モデル１３Ｄの再学習時における微気象要素推定装置１０は、再学習用情報取得部１１Ｃ及び再学習部１１Ｄを含む。微気象要素推定装置１０のＣＰＵ１１が再学習プログラム１３Ｂを実行することで、再学習用情報取得部１１Ｃ及び再学習部１１Ｄとして機能する。

【0058】

本実施形態に係る再学習用情報取得部１１Ｃは、再学習用動画像及び再学習用微気象要素情報（上述した再学習用情報に相当。）を取得する。なお、本実施形態では、上記再学習用動画像を、撮影装置５０による撮影によって得られて登録された動画像を、後述する再学習用情報データベース９２Ｂ（図８も参照。）から読み出すことにより取得する。また、本実施形態では、上記再学習用微気象要素情報を、観測装置７０及び気象情報サーバ８０から得られて登録された微気象要素情報を再学習用情報データベース９２Ｂから読み出すことにより取得する。但し、この形態に限るものではなく、撮影装置５０、観測装置７０、及び気象情報サーバ８０から再学習用動画像及び再学習用微気象要素情報を直接取得する形態としてもよい。

【0059】

そして、本実施形態に係る再学習部１１Ｄは、再学習用情報取得部１１Ｃによって取得された再学習用動画像を入力情報とし、再学習用微気象要素情報を出力情報として微気象要素推定モデル１３Ｄの機械学習を再度行う。

【0060】

次に、図６を参照して、本実施形態に係る微気象要素推定装置１０の、微気象要素推定モデル１３Ｄの運用時における機能的な構成について説明する。図６は、本実施形態に係る微気象要素推定装置１０の、微気象要素推定モデル１３Ｄの運用時における機能的な構成の一例を示すブロック図である。

【0061】

図６に示すように、微気象要素推定モデル１３Ｄの運用時における微気象要素推定装置１０は、推定部１１Ｅ、調整部１１Ｆ、及び提示部１１Ｇを含む。微気象要素推定装置１０のＣＰＵ１１が微気象要素推定プログラム１３Ｃを実行することで、推定部１１Ｅ、調整部１１Ｆ、及び提示部１１Ｇとして機能する。

【0062】

本実施形態に係る推定部１１Ｅは、微気象要素推定モデル１３Ｄに対し、推定対象領域の動画像を入力することで微気象要素情報を推定する。

【0063】

また、本実施形態に係る調整部１１Ｆは、予め定められた基準情報を用いて、推定部１１Ｅによって推定された微気象要素情報を調整する。そして、本実施形態に係る提示部１１Ｇは、推定部１１Ｅによって推定され、調整部１１Ｆによって調整された微気象要素情報に関する微気象要素関連情報（本実施形態では、微気象要素情報そのもの）を提示する。

【0064】

本実施形態では、調整部１１Ｆによる調整対象として風速及び日射量を適用する。調整部１１Ｆによる調整対象を風速とする場合、学習時、再学習時、及び運用時の各々で適用する動画像の画角内に、風速に応じて撓み量が変化する共通の部材（図示省略。以下、「基準部材」という。）を設けておき、この基準部材の撓み量を上記基準情報として適用する。この場合の調整部１１Ｆによる調整方法としては、学習時及び再学習時の少なくとも一方における上記撓み量の代表値（本実施形態では、平均値）と、運用時における上記撓み量の代表値との差分が大きいほど、微気象要素推定モデル１３Ｄによって推定された風速に対する調整量を大きくする形態が例示される。

【0065】

また、調整部１１Ｆによる調整対象を日射量とする場合、学習時、再学習時、及び運用時の各々で適用する動画像の画角内に、日射量に応じて明るさが変化する白色面を有する基準部材を設けておき、この基準部材の明るさを上記基準情報として適用する。この場合の調整部１１Ｆによる調整方法としては、学習時及び再学習時の少なくとも一方における上記明るさの代表値（本実施形態では、平均値）と、運用時における上記明るさの代表値との差分が大きいほど、微気象要素推定モデル１３Ｄによって推定された日射量に対する調整量を大きくする形態が例示される。

【0066】

このように、本実施形態に係る微気象要素推定システム１では、基準部材を用いることで得られる基準情報を用いて一部の微気象要素情報を調整するため、各動画像は、画角内に基準部材が含まれるものとされる。

【0067】

このように、本実施形態では、調整部１１Ｆによる調整で用いる基準情報として、動画像の画角内に設けた基準部材に関する物理量を適用しているが、これに限るものではない。例えば、学習時、再学習時、及び運用時において適用した動画像の撮影時における、対象とする微気象要素情報を気象庁等が公開している気象情報から取得し、取得した微気象要素情報を基準情報として適用する形態としてもよい。この場合の調整部１１Ｆによる調整方法としては、気象情報から取得した、学習時及び再学習時の少なくとも一方における微気象要素情報と、運用時における微気象要素情報との差分が大きいほど、微気象要素推定モデル１３Ｄによって推定された微気象要素情報に対する調整量を大きくする形態が例示される。

【0068】

また、上述したように、本実施形態に係る微気象要素推定システム１では、提示部１１Ｇにより、調整部１１Ｆによって調整された微気象要素情報に関する微気象要素関連情報を提示しているが、これに限るものではない。例えば、調整部１１Ｆによる調整を行わず、微気象要素推定モデル１３Ｄによって得られた微気象要素情報に関する微気象要素関連情報を直接提示する形態としてもよい。また、本実施形態に係る微気象要素推定システム１では、再学習部１１Ｄにより微気象要素推定モデル１３Ｄの再学習を行っているが、これに限るものではない。例えば、再学習部１１Ｄによる再学習を行わず、学習部１１Ｂによる学習によって得られた微気象要素推定モデル１３Ｄを微気象要素情報の推定に直接用いる形態としてもよい。

【0069】

次に、図７を参照して、本実施形態に係る学習用情報データベース９２Ａについて説明する。図７は、本実施形態に係る学習用情報データベース９２Ａの構成の一例を示す模式図である。本実施形態に係る学習用情報データベース９２Ａは、微気象要素推定モデル１３Ｄの学習に用いる情報、即ち、撮影装置３０、観測装置４０、及び気象情報サーバ８０から得られた情報を記憶するためのものである。

【0070】

図７に示すように、本実施形態に係る学習用情報データベース９２Ａは、学習用動画像ＩＤ（Identification）、学習用動画像、及び微気象要素の各情報が関連付けられて記憶される。

【0071】

上記学習用動画像ＩＤは、関連する学習用動画像群を個別に識別するために、当該学習用動画像群の各々毎に異なる情報として予め割り振られた情報であり、上記学習用動画像は、学習用動画像そのものを示す情報である。

【0072】

また、上記微気象要素は、対応する学習用動画像の撮影時における微気象要素の状況を示す情報である。例えば、微気象要素が、風速、日射量、グローブ温度、及び降水量といった数値で表されるものである場合は、上記微気象要素を示す情報として、対応する学習用動画像の撮影時における微気象要素の値の代表値（本実施形態では、平均値）を適用する。これに対し、微気象要素を示す情報が、雷、竜巻といったような数値では表されないものである場合は、上記微気象要素を示す情報として、雷が発生しているか否か、竜巻が発生しているか否かといった、対象とする微気象要素の発生の有無を示す情報を適用する。

【0073】

なお、本実施形態に係る学習用情報データベース９２Ａでは、学習用動画像として全国各地の地域別の動画像を適用しており、学習用動画像ＩＤは当該地域別の動画像群毎に割り振られている。

【0074】

次に、図８を参照して、本実施形態に係る再学習用情報データベース９２Ｂについて説明する。図８は、本実施形態に係る再学習用情報データベース９２Ｂの構成の一例を示す模式図である。本実施形態に係る再学習用情報データベース９２Ｂは、微気象要素推定モデル１３Ｄの再学習に用いる情報、即ち、撮影装置５０、観測装置７０、及び気象情報サーバ８０から得られた情報を記憶するためのものである。

【0075】

図８に示すように、本実施形態に係る再学習用情報データベース９２Ｂは、再学習用動画像ＩＤ、再学習用動画像、及び微気象要素の各情報が関連付けられて記憶される。

【0076】

上記再学習用動画像ＩＤは、関連する再学習用動画像群を個別に識別するために、当該再学習用動画像群の各々毎に異なる情報として予め割り振られた情報であり、上記再学習用動画像は、再学習用動画像そのものを示す情報である。

【0077】

また、上記微気象要素は、対応する再学習用動画像の撮影時における微気象要素の状況を示す情報であり、学習用情報データベース９２Ａの微気象要素を示す情報と同様の情報である。

【0078】

なお、本実施形態に係る再学習用情報データベース９２Ｂでは、再学習用動画像として、微気象要素推定システム１の運用時における、微気象要素の推定対象とする地域別の動画像を適用しており、再学習用動画像ＩＤは当該地域別の動画像群毎に割り振られている。

【0079】

また、本実施形態に係る微気象要素推定システム１では、学習用情報データベース９２Ａ及び再学習用情報データベース９２Ｂにおける各動画像の１回当たりの撮影時間を、当該１回当たりの動画像を教師データの最小単位とすることを想定して、数秒（本実施形態では、５秒）程度としている。

【0080】

また、本実施形態に係る再学習用情報データベース９２Ｂは、微気象要素推定システム１の運用時における、微気象要素推定モデル１３Ｄによる推定精度を向上させるために、微気象要素推定モデル１３Ｄの校正を行うためのデータベースである。この点を勘案して、再学習用情報データベース９２Ｂにおける推定対象地域別の各情報の収集期間が定められる。例えば、風速、日射量、グローブ温度といった比較的短期間で観測できる微気象要素情報であれば、概ね１～２日程度、長くても１～２週間といった収集期間とする。これに対し、雷、竜巻といった観測に長期間を要する微気象要素に関しては１か月間～数か月といった収集期間とする。

【0081】

以下では、錯綜を回避するため、学習用情報データベース９２Ａ及び再学習用情報データベース９２Ｂの各々が、微気象要素推定システム１の管理者等によるアノテーションを経た教師データとして適用することができるものとされている場合について説明する。

【0082】

また、図示は省略するが、本実施形態に係る情報蓄積装置９０の記憶部９２には、学習用情報データベース９２Ａ及び再学習用情報データベース９２Ｂの他に、上述した学習時及び再学習時の少なくとも一方における基準情報が記憶されている。

【0083】

次に、図９～図１３を参照して、本実施形態に係る微気象要素推定装置１０の作用を説明する。

【0084】

まず、図９を参照して、本実施形態に係る学習処理を実行する場合の微気象要素推定装置１０の作用を説明する。図９は、本実施形態に係る学習処理の一例を示すフローチャートである。

【0085】

微気象要素推定装置１０のＣＰＵ１１が学習プログラム１３Ａを実行することによって、図９に示す学習処理が実行される。図９に示す学習処理は、ユーザにより、学習プログラム１３Ａの実行を開始する指示入力が入力部１４を介して行われた場合に実行される。なお、ここでは、錯綜を回避するために、学習用情報データベース９２Ａが構築済みである場合について説明する。

【0086】

図９のステップ１００で、ＣＰＵ１１は、１組分の学習用動画像及び微気象要素の各情報（学習用情報）を学習用情報データベース９２Ａから読み出す。

【0087】

ステップ１０２で、ＣＰＵ１１は、読み出した学習用情報における学習用動画像を入力情報とし、読み出した学習用情報における微気象要素情報を出力情報（正解情報）として、微気象要素推定モデル１３Ｄを機械学習する。ステップ１０４で、ＣＰＵ１１は、学習用情報データベース９２Ａに記憶されている全ての情報についてステップ１０２による機械学習が終了したか否かを判定し、否定判定となった場合はステップ１００に戻る一方、肯定判定となった場合は本学習処理を終了する。なお、ステップ１００～ステップ１０４の処理を繰り返し実行する場合にＣＰＵ１１は、それまでに学習対象としなかった学習用情報を学習対象とするようにする。

【0088】

以上の学習処理により、微気象要素推定モデル１３Ｄが学習されることになる。

【0089】

次に、図１０を参照して、本実施形態に係る再学習処理を実行する場合の微気象要素推定装置１０の作用を説明する。図１０は、本実施形態に係る再学習処理の一例を示すフローチャートである。

【0090】

微気象要素推定装置１０のＣＰＵ１１が再学習プログラム１３Ｂを実行することによって、図１０に示す再学習処理が実行される。図１０に示す再学習処理は、ユーザにより、再学習プログラム１３Ｂの実行を開始する指示入力が入力部１４を介して行われた場合に実行される。なお、ここでは、錯綜を回避するために、再学習用情報データベース９２Ｂが構築済みであり、かつ、微気象要素推定モデル１３Ｄが学習済みである場合について説明する。

【0091】

図１０のステップ２００で、ＣＰＵ１１は、予め定められた構成とされた初期情報入力画面を表示するように表示部１５を制御し、ステップ２０２で、ＣＰＵ１１は、所定情報が入力されるまで待機する。

【0092】

図１１には、本実施形態に係る初期情報入力画面の構成の一例が示されている。図１１に示すように、本実施形態に係る初期情報入力画面では、微気象要素情報の推定対象とする地域の名称（以下、「対象地域名」という。）の入力を促すメッセージが表示される。また、本実施形態に係る初期情報入力画面では、対象地域名を入力するための入力領域１５Ａが表示される。

【0093】

一例として図１１に示す初期情報入力画面が表示部１５に表示されると、ユーザは、入力部１４を用いて、微気象要素の推定対象とする地域の対象地域名を入力領域１５Ａに入力した後、終了ボタン１５Ｂを指定する。ユーザによって終了ボタン１５Ｂが指定されると、ステップ２０２が肯定判定となってステップ２０４に移行する。

【0094】

ステップ２０４で、ＣＰＵ１１は、学習済みの微気象要素推定モデル１３Ｄを記憶部１３から読み出す。ステップ２０６で、ＣＰＵ１１は、入力された対象地域名に対応する情報であり、かつ、１組分の再学習用動画像及び微気象要素の各情報（再学習用情報）を再学習用情報データベース９２Ｂから読み出す。

【0095】

ステップ２０８で、ＣＰＵ１１は、読み出した再学習用情報における再学習用動画像を入力情報とし、読み出した再学習用情報における微気象要素情報を出力情報（正解情報）として、読み出した微気象要素推定モデル１３Ｄを機械学習する。ステップ２１０で、ＣＰＵ１１は、再学習用情報データベース９２Ｂに記憶されている、対象地域名に対応する地域に対応する全ての情報についてステップ２０８による機械学習が終了したか否かを判定し、否定判定となった場合はステップ２０６に戻る一方、肯定判定となった場合はステップ２１２に移行する。なお、ステップ２０６～ステップ２１０の処理を繰り返し実行する場合にＣＰＵ１１は、それまでに学習対象としなかった再学習用情報を学習対象とするようにする。

【0096】

ステップ２１２で、ＣＰＵ１１は、以上の処理によって再学習が行われた微気象要素推定モデル１３Ｄを、対応する対象地域を示す情報に関連付けて記憶部１３に記憶し、その後に本再学習処理を終了する

【0097】

以上の再学習処理により、微気象要素推定モデル１３Ｄが対象地域で得られた再学習用情報が用いられて再学習され、対象地域別に記憶部１３に登録されることになる。なお、微気象要素推定装置１０は、以上の学習処理及び再学習処理の実行に並行して、上述した基準情報の導出及び記憶部１３への記憶を行う。

【0098】

次に、図１２～図１３を参照して、微気象要素推定モデル１３Ｄを運用する場合における微気象要素推定装置１０の作用を説明する。図１２は、本実施形態に係る微気象要素推定処理の一例を示すフローチャートである。

【0099】

微気象要素推定装置１０のＣＰＵ１１が微気象要素推定プログラム１３Ｃを実行することによって、図１２に示す微気象要素推定処理が実行される。図１２に示す微気象要素推定処理は、ユーザにより、微気象要素推定プログラム１３Ｃの実行を開始する指示入力が入力部１４を介して行われた場合に実行される。なお、錯綜を回避するために、以下では、全ての対象地域における微気象要素推定モデル１３Ｄの再学習が終了している場合について説明する。

【0100】

図１２のステップ３００で、ＣＰＵ１１は、再学習処理のステップ２００の処理で表示したものと同様の初期情報入力画面（図１１も参照。）を表示するように表示部１５を制御し、ステップ３０２で、ＣＰＵ１１は、所定情報が入力されるまで待機する。

【0101】

一例として図１１に示す初期情報入力画面が表示部１５に表示されると、ユーザは、入力部１４を用いて、微気象要素の推定対象とする地域の対象地域名を入力領域１５Ａに入力した後、終了ボタン１５Ｂを指定する。

【0102】

ユーザによって終了ボタン１５Ｂが指定されると、ステップ３０２が肯定判定となってステップ３０４に移行する。

【0103】

ステップ３０４で、ＣＰＵ１１は、入力された対象地域名が示す対象地域（以下、単に「対象地域」という。）に関連付けられて記憶部１３に記憶された微気象要素推定モデル１３Ｄを用いて微気象要素情報を導出する微気象要素導出処理を以下に示すように実行する。

【0104】

即ち、ＣＰＵ１１は、まず、対象地域に関連付けられた微気象要素推定モデル１３Ｄに対して、対象地域に設けられた撮影装置５０による撮影によって得られている動画像の入力を開始する。

【0105】

微気象要素推定モデル１３Ｄへの動画像の入力が開始されると、当該微気象要素推定モデル１３Ｄから当該動画像から推定される微気象要素情報が順次出力される。そこで、ＣＰＵ１１は、微気象要素推定モデル１３Ｄから出力された微気象要素情報を順次取得し、取得した微気象要素情報を記憶部１３に順次記憶する。

【0106】

そして、ＣＰＵ１１は、対象とする全ての微気象要素情報の取得及び記憶が終了すると、微気象要素導出処理を終了し、ステップ３０６に移行する。なお、この微気象要素導出処理の実行時に、ＣＰＵ１１は、上述した基準情報を撮影装置５０によって得られた動画像から導出し、記憶部１３に記憶する。

【0107】

ステップ３０６で、ＣＰＵ１１は、微気象要素導出処理において記憶した全ての微気象要素情報、及び基準情報（以下、「第１基準情報」という。）と、学習時及び再学習時の少なくとも一方において記憶した基準情報（以下、「第２基準情報」という。）と、を記憶部１３から読み出す。ステップ３０８で、ＣＰＵ１１は、読み出した第１基準情報及び第２基準情報を用いて、読み出した微気象要素情報における風速及び日射量を示す情報を、上述したように調整する。

【0108】

ステップ３１０で、ＣＰＵ１１は、以上の処理を経た微気象要素情報を用いて、予め定められた構成とされた推定結果画面を表示するように表示部１５を制御し、ステップ３１２で、ＣＰＵ１１は、所定情報が入力されるまで待機する。

【0109】

図１３には、本実施形態に係る推定結果画面の構成の一例が示されている。図１３に示すように、本実施形態に係る推定結果画面では、対象地域の名称を示す情報と共に、一部調整処理が施された微気象要素情報が表示される。従って、ユーザは、推定結果画面を参照することで、対象地域における微気象要素情報の状況を容易に把握することができる。

【0110】

一例として図１３に示す推定結果画面が表示部１５に表示されると、ユーザは、推定された微気象要素情報の内容を把握した後、入力部１４を用いて終了ボタン１５Ｂを指定する。ユーザによって終了ボタン１５Ｂが指定されると、本微気象要素推定処理が終了する。

【0111】

以上説明したように、本実施形態に係る微気象要素推定装置１０は、予め定められた種類の微気象要素に相関を有する画像要素が含まれる動画像が入力情報とされ、当該微気象要素を示す微気象要素情報が出力情報とされた微気象要素推定モデルに対し、推定対象領域の動画像を入力することで微気象要素情報を推定する推定部１１Ｅと、推定部１１Ｅによって推定された微気象要素情報に関する微気象要素関連情報を提示する提示部１１Ｇと、を備えている。従って、気象シミュレーションを行う場合に比較して、より容易に微気象要素を推定することができる。

【0112】

また、本実施形態によれば、予め定められた種類の微気象要素として、風速、日射量、グローブ温度、降水量、黄砂、雷、及び竜巻を適用している。従って、適用した微気象要素を推定することができる。

【0113】

また、本実施形態によれば、上記画像要素を、各々、推定対象とする微気象要素が雷又は竜巻である場合は上空の様子を示す画像とし、推定対象とする微気象要素が降水量又は黄砂である場合は背景のかすみを示す画像とし、推定対象とする微気象要素が風速である場合は木のそよぎを示す画像とし、推定対象とする微気象要素が日射量又はグローブ温度である場合は地表面の明るさを示す画像としている。従って、何れの微気象要素についても、画像要素として容易に動画像に含めることができる結果、より容易に微気象要素を推定することができる。

【0114】

また、本実施形態によれば、微気象要素関連情報を、推定した微気象要素情報そのものとしている。従って、推定された微気象要素情報を、より把握しやすくすることができる。

【0115】

また、本実施形態によれば、微気象要素推定モデルを人工知能によるモデルとしている。従って、微気象要素推定モデルを、統計的手法を用いたモデルとする場合に比較して、より簡易かつ高精度に微気象要素を推定することができる。

【0116】

また、本実施形態によれば、学習用動画像及び学習用微気象要素情報を取得し、取得した学習用動画像を入力情報とし、学習用微気象要素情報を出力情報として微気象要素推定モデルの機械学習を行っている。従って、より簡易に、微気象要素推定モデルを構築することができる。

【0117】

また、本実施形態によれば、再学習用動画像及び再学習用微気象要素情報を取得し、取得した再学習用動画像を入力情報とし、再学習用微気象要素情報を出力情報として微気象要素推定モデルの機械学習を再度行っている。従って、より高精度に、微気象要素を推定することができる。

【0118】

更に、本実施形態によれば、予め定められた基準情報を用いて、推定した微気象要素情報を調整している。従って、より高精度に、微気象要素を推定することができる。

【0119】

なお、上記実施形態では、提示する微気象要素関連情報として、推定した微気象要素情報そのものを適用した場合について説明したが、これに限定されるものではない。例えば、微気象要素情報によって間接的に示される間接情報を、微気象要素関連情報として適用する形態としてもよい。この場合、上記間接情報としては、「風速がかなり強いため、外で洗濯物を干すのはお勧めしません。」、「対象地域における快適指数は７０％です」等といった情報を例示することができる。この場合、微気象要素情報そのものを適用する場合に比較して、ユーザにとっての利便性を、より向上させることができる。

【0120】

また、上記実施形態では、単一の動画像から複数種類の微気象要素情報を推定する場合について説明したが、これに限定されるものではない。例えば、単一の動画像から単一種類の微気象要素情報を推定する形態としてもよい。この場合、上記動画像には、当該種類の微気象要素情報に相関を有する画像要素を含めるようにする。この場合、単一の動画像から１種類の微気象要素情報しか推定することができなくなるが、当該１種類の微気象要素情報に特化して微気象要素推定モデル１３Ｄの学習を行うことができる結果、上記実施形態に比較して、微気象要素情報の推定精度を向上させることができる。

【0121】

また、上記実施形態では、推定する時点における微気象要素情報を推定対象とした場合について説明したが、これに限定されるものではない。例えば、１時間後、半日後、１日後といった比較的近い未来の微気象要素情報を推定対象とする形態としてもよい。この場合、学習時や再学習時においても、動画像の取得時から推定対象とする時間が経過した後の微気象要素情報を教師データとして適用する。

【0122】

また、上記実施形態では、動画像のみを微気象要素情報の推定に用いる場合について説明したが、これに限定されるものではない。例えば、動画像に加えて、季節、時刻、撮影画角内に含まれる植物の種類等といった推定対象に関する状況を限定する付加情報も用いて微気象要素情報を推定する形態としてもよい。この場合の形態例としては、微気象要素推定モデル１３Ｄによって推定された微気象要素情報を付加情報により調整する形態や、付加情報の種類毎に微気象要素推定モデル１３Ｄを構築する形態等を例示することができる。なお、この形態の場合、動画像には、撮影時刻、撮影位置といったメタデータが付与されている場合が多いため、当該メタデータを利用することで、比較的簡易に実現することができる。

【0123】

また、上記実施形態において例示した各種画面の構成は各々一例であり、変更を加えてもよいことは言うまでもない。

【0124】

また、上記実施形態では、特に言及しなかったが、微気象要素推定処理によって得られた微気象要素情報をデータベース化する等によって記憶しておき、単なる表示に留まらず、他の評価等に再利用する形態としてもよい。

【0125】

また、上記実施形態において、例えば、学習用情報取得部１１Ａ、学習部１１Ｂ、再学習用情報取得部１１Ｃ、再学習部１１Ｄ、推定部１１Ｅ、調整部１１Ｆ、及び提示部１１Ｇの各処理を実行する処理部（processing unit）のハードウェア的な構造としては、次に示す各種のプロセッサ（processor）を用いることができる。上記各種のプロセッサには、前述したように、ソフトウェア（プログラム）を実行して処理部として機能する汎用的なプロセッサであるＣＰＵに加えて、ＦＰＧＡ（Field-Programmable Gate Array）等の製造後に回路構成を変更可能なプロセッサであるプログラマブルロジックデバイス（Programmable Logic Device：PLD）、ＡＳＩＣ（Application Specific Integrated Circuit）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等が含まれる。

【0126】

処理部は、これらの各種のプロセッサのうちの１つで構成されてもよいし、同種又は異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡの組み合わせや、ＣＰＵとＦＰＧＡとの組み合わせ）で構成されてもよい。また、処理部を１つのプロセッサで構成してもよい。

【0127】

処理部を１つのプロセッサで構成する例としては、第１に、クライアント及びサーバ等のコンピュータに代表されるように、１つ以上のＣＰＵとソフトウェアの組み合わせで１つのプロセッサを構成し、このプロセッサが処理部として機能する形態がある。第２に、システムオンチップ（System On Chip：SoC）等に代表されるように、処理部を含むシステム全体の機能を１つのＩＣ（Integrated Circuit）チップで実現するプロセッサを使用する形態がある。このように、処理部は、ハードウェア的な構造として、上記各種のプロセッサの１つ以上を用いて構成される。

【0128】

更に、これらの各種のプロセッサのハードウェア的な構造としては、より具体的には、半導体素子などの回路素子を組み合わせた電気回路（circuitry）を用いることができる。

【符号の説明】

【0129】

１ 微気象要素推定システム
１０ 微気象要素推定装置
１１ ＣＰＵ
１１Ａ 学習用情報取得部
１１Ｂ 学習部
１１Ｃ 再学習用情報取得部
１１Ｄ 再学習部
１１Ｅ 推定部
１１Ｆ 調整部
１１Ｇ 提示部
１２ メモリ
１３ 記憶部
１３Ａ 学習プログラム
１３Ｂ 再学習プログラム
１３Ｃ 微気象要素推定プログラム
１３Ｄ 微気象要素推定モデル
１４ 入力部
１５ 表示部
１６ 媒体読み書き装置
１７ 記録媒体
１８ 通信Ｉ／Ｆ部
３０ 撮影装置
４０ 観測装置
５０ 撮影装置
６０ 動画像
７０ 観測装置
８０ 気象情報サーバ
９０ 情報蓄積装置
９２ 記憶部
９２Ａ 学習用情報データベース
９２Ｂ 再学習用情報データベース

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】